Pemilihan strategi waktu ((1) Konstruksi garis tren keterlambatan rendah di bawah sudut pandang transformasi Z ketika memilih indikator teknis klasik

Beberapa saat yang lalu, ada yang mengatakan bahwa saya mengembangkan strategi anjing setiap hari, ya, ya, strategi anjing sudah berakhir.1. Prasyarat ● Mari kita masuk ke topik yang lebih serius, strategi penentuan waktu klasik sebenarnya terbagi menjadi beberapa kategori besar: event-driven short-term (di lingkaran mata uang menunjukkan diri sebagai pemantauan pengumuman dan tweet dari berbagai bursa besar, yang melibatkan analisis teks), regression dan prediksi dalam arti statistik (penilaian statistik, pencocokan perdagangan, berbagai model ML dan DL, model Markov terstruktur, dll.), GSISI jenis ketika memilih emosi investor, dan ketika memilih indikator teknis klasik tradisional.

N日移动平均线=N日收盘价之和/N

● Hal ini umumnya disebut garis rata oleh investor yang luas (MA), sebuah garis rata, membobol beli, jatuh menjual, dan banyak * * * * * * * * * * * * * * * * * * * * * * * * * * * * * * ● Garis rata dapat menggambarkan pergerakan harga dengan baik, dan melacak tren ini dengan ketat, dan tidak mudah berubah. Dalam pengembangan CTA berjangka, garis rata dapat dikatakan sebagai indikator referensi yang sangat penting. Namun, investor biasa memiliki beberapa masalah untuk penggunaan garis rata: pertama, keterlambatan garis rata yang parah, seringkali muncul ketika sinyal tren telah berjalan setengahnya, dan kembali ke wajah; kedua, investor biasa di lingkaran mata uang cenderung untuk mengoperasikan indikator tingkat pecahan, 15, 5 menit, bahkan 1 menit, dalam periode yang sangat kecil, lebih dari 80% dari indikator yang ditandai oleh pergolakan (jenis yang disukai Martin), tren jarang terjadi, investor kehilangan banyak biaya prosedur dan titik slip untuk membuka kembali posisi sesuai dengan garis rata. • Tujuan dari artikel ini adalah untuk membangun algoritma untuk menyaring indikator kelas rata-rata dan mengurangi keterlambatan untuk referensi dan penggunaan umum.

Fungsi transformasi dan transfer Z ● Sebelum artikel ini, saya telah mempelajari beberapa algoritma penyaringan indikator di berbagai situs web, seperti yang paling umum, seperti filter kerucut (yang muncul di beberapa CTA di Squirrel Broadcast), dan metode penyaringan Karman yang dipelajari oleh penulis di joinquant yang berhasil menghindari bencana saham tahun 2015 dalam retesting. Pada TB, modul penyaringan ER sangat mudah digunakan. Namun, ketika saya menemukan modul penyaringan Karman yang tersedia di joinquant tidak dapat diinstal ke server, dan kode sumber terbukanya memiliki ribuan baris, Apple membatalkan upaya untuk memindahkannya ke lingkaran koin. ● Konversi Z berasal dari Laplace dan sering digunakan dalam bidang pemrosesan sinyal matematika. Untuk urutan waktu yang terpisah f ((k) dan z yang didefinisikan dalam domain multifrekuensi, rumusnya didefinisikan sebagai berikut:

● EMA rata-rata memiliki keterlambatan yang lebih rendah dibandingkan dengan MA (yang pada dasarnya adalah hasil dari pemrosesan urutan MA menggunakan algoritma EWMA), sehingga kami menggunakan urutan EMA dan bukan MA untuk meningkatkan efek penyaringan. Kami mendefinisikan input sebagai harga mata uang (harga penutupan), ditulis sebagai p (z), output sebagai indikator EMA yang sesuai dengan harga, ditulis sebagai EMA (z), sehingga fungsi penyampaian pada dasarnya adalah EMA mata uang dan rasio intensitas harga penutupan yang sesuai dengannya, yang merupakan sistem yang memiliki sifat umpan balik, fungsi penyampaian adalah Hz (z) dan memiliki:

● Jika Anda memasukkan rumus ini ke dalam algoritma EWMA, Anda akan mendapatkan fungsi pengiriman awal EMA:

● di mana a adalah parameter variabel, berikut ini adalah sama.

C. Analisis fungsi transfer ● Dalam fungsi transmisi, sinyal input tidak terkait dengan nilai fungsi. Dengan menganalisis fungsi ini, diketahui bahwa ketika z**-1 = -1, H(z) mengambil nilai maksimum, yaitu saat mencapai frekuensi tertinggi, fungsi transmisi adalah H(z) = a/(2-a, dan kebisingan data frekuensi tinggi terbaru diminimalkan; ketika z**-1 = 1, H(z) adalah konstanta, maka frekuensi sistem adalah 0, maka hasil input dan output sama persis, jika urutan waktu saat ini adalah urutan konstanta, maka EMA akan berada di sini. ● Ketika H (z) adalah filter low-pass, dan H (z) = 1, sinyal output berisi semua komponen sinyal input, yaitu dari semua sinyal output, jika dikurangi semua sinyal low-frequency, 1-H (z) dapat dibentuk menjadi filter baru, yang ditulis sebagai H () z, yang merupakan kebalikan dari H (z), yang merupakan filter high-pass. ● Mengingat P ((T) sebagai harga dari akar k, kita mengambil harga hari itu dan harga hari sebelumnya untuk meratakan fungsi relasional ini, sehingga EMA yang dihasilkan dapat diperbaiki lebih lanjut. Ini karena sinyal frekuensi tinggi tidak disaring secara efektif ketika fungsi pembawa asli H ((z) = a/(2-a, sehingga satu nilai dipilih terlebih dahulu untuk meratakannya, jika hasilnya masih buruk, beberapa penambahan dapat diambil), sehingga EMA yang dimasukkan pada hari itu adalah:● Untuk filter low-through, filter high-through hanya perlu dikurangi dengan 1:● Sekarang ekspresi filter telah selesai dibangun! Dengan transformasi Z, kita dapat membangun garis tren dengan keterlambatan rendah, dan hanya memiliki satu parameter a, semakin besar a, semakin rendah keterlambatan, semakin baik kelancaran. Untuk varietas yang berbeda, ada parameter yang paling sesuai masing-masing.

4. Ringkasan dan Perhatian ● Filter yang dibangun dalam langkah-langkah di atas hanya satu tahap, karena transisi panjang, efeknya tidak terlalu ideal, dan setelah meningkatkan tahap, tingkat kompleksitas ekspresi fungsi H ((z) menunjukkan peningkatan tingkat indeks, dan tingkat yang terlalu tinggi juga mudah terjadi filtering linear yang terjadi. Dari pengalaman sebelumnya, tahap 2 atau 3 adalah tahap yang lebih tepat, pembaca juga dapat menggunakan kombinasi linier untuk mengamati efeknya sendiri. ● Algoritma penyaringan berbasis transformasi Z ini tidak hanya berlaku untuk indikator kelas rata-rata, semua indikator yang memiliki sinyal palsu, sepertiboll danatr, melalui algoritma penyaringan dapat mencapai efek penyaringan tertentu, menentukan ukuran pembukaan pasar yang melanggar batas, sehingga mengurangi hal-hal yang disebabkan oleh keterlambatan indikator asli. • Artikel ini berakhir dengan mengatakan bahwa tidak ada waktu untuk memberikan kode algoritma terkait, tetapi hanya memberikan ide yang dapat dicoba oleh pembaca yang tertarik.

● Promise Quant Minos berfokus pada pengembangan berbagai strategi Fantastic Groundhog yang berpusat pada Martin, misalnya jika Anda memiliki kebutuhan untuk menyewa atau menyimpan dana besar, hubungi vx:15001733415